IBM 量子优势声明：可验证结果优先于单纯速度

IBM 表示，三项独立实验已实现量子优势，尽管验证难题曾削弱许多早期声明的可信度。该公司于 7 月 28 日的简报会上，与 Algorithmiq、Qedma 及芝加哥大学研究人员共同介绍了这项工作。

量子优势是指，量子系统在特定任务上的速度、准确性或经济性优于所有已知经典方法。这个定义听起来很简单，但要证明它却并不容易。

在量子实验公布后，经典计算挑战者可能通过开发更好的算法，抹去原本看似存在的领先优势。研究人员还必须证明，当直接用经典方法复现已变得不切实际时，存在噪声的量子处理器给出了正确答案。

IBM 最新的量子优势声明试图同时应对这两个问题。各团队使用了 IBM Quantum Heron R3 处理器、多种误差缓解方法，以及旨在保留答案质量证据的实验设计。

这些结果并不意味着量子计算机如今已在各类商业工作负载上超越传统机器。实验涵盖的是范围较窄的研究问题，相关论文最初也以预印本而非同行评审出版物的形式出现。

不过，这一验证策略使得此次发布比又一项速度纪录更具意义。IBM 及其合作伙伴实际上是在邀请经典计算研究人员挑战这些结果、改进求解器，并检验所声称的优势能否持续存在。

这一邀请之所以重要，是因为量子计算此前已经经历过类似的竞争。Google 在 2019 年宣布获得计算优势，但经典计算研究人员随后大幅降低了估算的模拟成本。更近一些时候，经典方法的改进在数月内推翻了峰值电路采样中的表面领先优势。

因此，IBM 押注的是一个不断变化的基准，而不是对永久胜利的宣告。核心竞争在于可验证的量子结果与持续改进的经典算法之间的较量。

三项实验共同构成 IBM 量子优势论据

IBM 最有力的论据来自三条验证路径的结合，而非依赖单一基准测试或单次处理器运行。

第一项实验由 IBM 与以色列量子软件公司 Qedma 共同开展。研究人员考察了 Floquet 横场 Ising 模型，该模型描述了相互作用自旋在周期性外加磁场下不断变化的行为。

自旋模型通过简化的磁性变量来表示量子粒子。这类模型有助于物理学家研究材料、相变以及复杂的多体动力学。

团队使用了 Qedma 的量子误差抑制与缓解软件 QESEM，以稳定存在噪声的量子电路结果。误差缓解会在不编码完整纠错逻辑量子比特的情况下，估算并降低硬件噪声影响。

研究人员首先将量子输出与日本 RIKEN 运营的超级计算机 Fugaku 的计算结果进行比较。两者的一致性确定了一个区域，在该区域内两个系统仍能计算相同的量。

随后，他们将电路难度提升至所选经典计算已不再实用的范围。根据对这些实验的报道，团队在五台量子计算机上重复进行了相关测量。

这些系统包括位于波士顿和匹兹堡的 IBM 处理器。研究人员还使用了两台 Quantinuum 机器，使实验具备跨平台组成部分，而非依赖单一 IBM 设备。

团队有意改变了影响电路的噪声。在不同硬件和噪声水平下得出的估计保持一致，据研究人员称，这为其误差缓解模型提供了支持。

第二项实验将 IBM 与芬兰量子软件公司 Algorithmiq 配对合作。该实验同样考察受驱动的 Ising 动力学，但采用了不同的计算表述和缓解方法。

随着建模系统规模扩大，据报道，作为对照的经典方法开始彼此不再一致。在团队仍可测试的检查点上，经过缓解处理的量子估计仍保持一致。

这种模式并不会自动证明量子答案在每个更大规模下都是正确的。它为研究人员提供了一条外推路径，依据是在经典计算变得不可靠之前观察到的收敛情况。

第三项实验与芝加哥大学研究人员合作进行，采用了更具结构性的验证方法。团队首先使用由 Clifford 门构成的电路，这类量子操作可由经典计算机高效模拟。

随后，研究人员引入 T 门，这会增加非 Clifford 操作，并迅速提高经典模拟的成本。这一设计使他们能够从可高效测试的电路逐步过渡到经典计算困难的电路类别。

关键特征在于连续性。研究人员能够在增加高难度操作数量的同时，研究缓解方法的表现，而不是直接跳入一个无法核查的电路。

综合来看，这些实验瞄准了三种不同的可信信号：与超级计算机的一致性、不同缓解方法之间的一致性，以及具备可测试路径、可进入更困难区域的电路构造。

这些研究使用了 IBM 的 156 量子比特 Heron R3 超导架构。IBM 报告称，这一代处理器的双量子比特中位错误率为 1.17 乘以 10 的负三次方。

这一硬件质量具有相关性，因为双量子比特门造成了深度量子电路中大量累积误差。IBM 还报告称，Heron R3 的 176 个耦合中，有 57 个每执行 1,000 次操作产生的错误少于一次。

这些数字描述的是设备性能，而非应用优势。这三项实验仍依赖于其算法、噪声假设、统计处理方式以及与经典方法的比较。

这一区别至关重要。更好的硬件使这些测试成为可能，但所声称的优势来自完整的计算工作流程。

为什么可验证的量子结果比速度标题更重要

如果无人能够确认机器是否计算出了正确答案，量子结果的科学价值就有限。

量子处理器通过概率分布而非确定性的比特串运行。研究人员会多次运行电路、收集测量结果，并从这些样本中估算所需量。

噪声使这一过程更加复杂。量子比特可能丢失状态，量子门可能引入非预期旋转，邻近组件可能相互干扰，测量也可能误读最终数值。

完整的量子纠错提供了长期答案。它将一个逻辑量子比特分散到许多物理量子比特上，从而可以在计算过程中检测并纠正错误。

Heron R3 并不是一台大规模容错机器。这些实验转而使用误差缓解，即从带有噪声的数据和辅助校准测量中估算出更干净的结果。

缓解本身也有成本。它可能需要更多电路执行次数、更多统计处理，或对噪声行为作出假设。这些需求可能耗尽原本形成表面优势的资源节省。

因此，可信的比较必须涵盖整个工作流程，包括电路准备、处理器运行时间、采样、缓解和后处理。

它还必须与强大的经典方法进行比较。如果现代 GPU 技术可以快速解决同一任务，那么在昂贵硬件上击败旧算法意义不大。

IBM 已通过其开放的 Advantage Tracker 承认这一不断变化的目标。该项目允许研究人员提交量子候选结果、经典回应和更新后的基准测试。

追踪器的历史说明了其中的风险。一项在 IBM 硬件上进行的峰值电路实验最初在不到 12 分钟内完成，而经典估算耗时接近四个月。

新的经典方法后来将相关模拟时间缩短至大约一小时到数秒之间。这一逆转消除了此前的运行时间差距。

这并不意味着量子优势不可能实现。它表明，一次发布无法永久解决这个问题。

这三项新实验试图通过在研究设计中纳入验证来改进这一过程。团队没有要求读者相信一个无法访问的答案，而是提供了中间检查或数学保证。

在与 Qedma 的合作中，多个系统和有意变化的噪声提供了证据，表明校正后的答案并非来自某一次有利的校准。

在 Algorithmiq 的研究中，当经典方法开始出现分歧时，团队检验了一致性。在与芝加哥团队的合作中，电路结构提供了从容易进行经典验证到更困难实例的路径。

每种方法都针对不同的失效模式。没有一种能够排除更强经典回应的可能性。

更可辩护的表述是，这些团队已产出了可测试的量子优势候选结果。这些候选结果现在需要独立审查、改进后的经典基准，以及同行评审。

这一框架也解释了为何这些结果对企业很重要。商业用户并不需要一台在抽象速度竞赛中获胜、却返回无法验证数字的机器。

化学团队需要确信，估算出的能量对应真实的分子状态。优化用户则需要证据表明，在可比资源限制下，提出的方案优于现有替代方案。

验证将实验室输出转化为其他科学家可以评估的结果。它是在非同寻常的量子行为与能够支持决策的结果之间架起的桥梁。

Heron R3 给经典求解器施压，而非通用计算

IBM 的实验对专门的经典模拟方法构成压力，但并未威胁整体传统计算。

经典计算机在每项实验中仍然不可或缺。它们用于准备电路、选择参数、分析测量结果、估算误差，以及评估仍可计算访问的区域。

因此，相关的对手并不是 CPU 或 GPU 市场，而是针对所计算的精确科学量的最佳纯经典工作流程。

这一边界使 IBM 的量子优势声明保持狭窄。团队并未展示 Heron R3 可以在天气建模、数据库处理、人工智能或标准商业软件等领域全面替代超级计算机。

他们瞄准的是在经典计算中表示成本不断升高的量子系统。经典模拟器通常需要追踪随纠缠量子比特数量呈指数增长的信息。

当电路或物理系统具有有利结构时，专门方法可以压缩这种表示。张量网络、对称性约简、稀疏表示和特定问题近似方法，都能大幅扩展经典计算的适用范围。

由此产生的竞争取决于问题本身。量子处理器可能在某一类电路上领先，却在略有不同的任务上明显落后。

其他关于 Heron R3 的 2026 年研究进一步强化了这一限定。一项优化研究在 20 个高阶二元优化实例中测试了混合式顺序量子工作流程。

单次混合尝试在不到一秒内产生了高质量解，并在 14 个案例中达到目标基态能量。它与使用 128 个虚拟 CPU 或八块 Nvidia A100 GPU 的经典求解器展开竞争。

然而，一种增强型并行回火求解器和一种 GPU 加速方法在关键比较中与量子结果持平或更优。研究人员明确避免宣称量子计算具有普遍优势。

另一项基态研究在一个 49 量子比特问题上采用了基于采样的 Krylov 量子对角化算法。该量子工作流优于被选作初始基准的标准选定组态相互作用启发式方法。

研究人员随后设计了两种专门的经典迭代求解器，能够解决这一构造的问题。相较于最初的现成方法，这一结果依然具有意义，但并未胜过所有可能的经典方案。

这些例子揭示了真实的竞争动态：量子硬件开辟出一个计算区域，随后经典研究人员会寻找其中被忽略的结构。

有时，经典方法会弥合差距；有时，量子方法仍能在精度、成本或运行时间上保有优势。很多时候，答案取决于比较纳入了哪些资源。

IBM 的 Heron 改进加大了压力，因为更高的门保真度让电路能够在噪声摧毁有效信息前运行得更深。更快的执行速度也增加了研究人员能在实际时间窗口内收集的测量次数。

IBM 表示，其整个机群中的 Heron R3 达到了每秒 330,000 次电路层操作，即 CLOPS。CLOPS 衡量的是一个系统在配合经典交互的情况下，能够多快地重复执行参数化量子电路。

该公司还表示，其更新后的实用性实验可在 60 分钟内完成，比 2023 年版本快 100 多倍。这些提升扩大了研究人员能够测试实用算法的范围。

不过，速度与保真度并不能决定系统级比较的胜负。误差缓解可能带来显著的采样开销，而经典求解器则受益于优化代码和成熟的加速器硬件。

这三项实验之所以重要，是因为它们从多个角度界定了优势。IBM 的定义包括：相较仅使用经典方法的方案，具备更高效率、更低成本或更高准确性。

这一更广泛的定义符合计算系统的实际采购方式。如果量子加速器能够改善更大工作流中某个成本高昂的环节，它就不必取代每一个经典组件。

IBM 长期以来一直将量子处理器描述为量子中心超级计算中的加速器。在这一模式下，经典系统负责协调应用，并将选定的计算任务发送至量子处理单元。

这更像是 GPU 所扮演的角色，而不是替换整个数据中心。关键问题在于，量子组件能否贡献足够经过验证的价值，以证明其成本和复杂性是合理的。

因此，对开发者和企业采购方而言，这项新工作是研究成熟度的信号，而不是立即迁移的最后期限。通用应用栈仍将继续运行在经典基础设施上。

从事量子化学、材料建模或多体物理的团队则更有理由关注。他们的工作负载包含这些实验正开始测试的结构。

验证差距已缩小，但并未消失

这些论文提供了更有力的检验，但“经验证的量子优势”这一说法仍属暂定，除非独立挑战未能推翻它。

第一个局限在于发表状态。这些实验论文最初以预印本形式出现，便于公众迅速审阅，但尚未经过正式同行评审。

预印本在快速发展的物理学和计算机科学领域很常见。但这也要求读者承担更多责任，审查基准选择、统计置信度和实现细节。

第二个局限在于经典基准的选择。没有任何研究团队能够证明，一种尚未发现的经典算法永远无法更高效地解决某个基准问题。

研究人员可以将结果与他们所知的最佳方法进行比较，并邀请专家加以改进。随着更多有能力的挑战者未能成功，相关主张才会变得更有说服力。

IBM 首席研究科学家 Abhinav Kandala 曾公开将这种来回较量描述为科学过程的一部分。这一立场比将实验呈现为定论更可信。

第三个局限涉及误差缓解。经过缓解的估计值，并不等同于在整个计算过程中始终受到保护的容错结果。

当研究人员通过数学方法消除噪声时，误差缓解可能放大统计不确定性。报告的数值必须包含足够的数据，以表明其优势能够经受这些不确定性的考验。

噪声也可能发生漂移。在某一时刻校准的缓解模型，可能会因环境条件或设备校准发生变化而不再那么贴合硬件。

Qedma 实验通过使用不同系统和不同噪声水平作出回应。这增加了人们的信心，即该方法捕捉到的是可复现的现象，而非某一设备的偶然行为。

跨平台复现仍需谨慎解读。IBM 和 Quantinuum 系统采用不同的硬件架构、门集和误差特征。

获得一致的物理结果很有价值，但研究人员必须确认，预处理和误差缓解并未人为施加预期的一致性。详细的方法说明和开放数据将影响这一评估。

第四个局限是实用性。受驱动的 Ising 模型和工程化门电路在科学上具有意义，但它们并非对可盈利工业应用的直接展示。

它们充当了构建模块和压力测试。成功表明，量子工作流能够进入经典计算困难的区域，同时保留正确性的证据。

从这一结果走向药物发现、电池设计、物流或金融优化，还需要额外工作。实际应用会引入受控基准中不存在的约束、不确定输入和性能要求。

第五个局限是经济核算。IBM 部分从成本角度定义优势，但这些实验的公开报告并未提供完整的商业成本比较。

云端访问、处理器利用率、校准、重复采样、超级计算机时间和研究人员投入，都会影响经济性。在缺乏可比核算的情况下，关于更低成本的主张应保持前瞻性表述。

这些实验若围绕计算能力边界和答案质量来界定，最具说服力。作为近期商业回报的证据，它们的结论则不那么充分。

历史经验支持这种谨慎。Google 在 2019 年的随机电路结果是一项重要的硬件成就，尽管经典团队后来通过利用更好的算法和硬件降低了模拟负担。

IBM 自身也曾公开类似的逆转：一项原先估计需要四个月的经典任务，最终借助较新的技术缩短至数秒。

这种开放态度增强了当前公告的可信度，因为 IBM 不可能合理地宣称某个基准会始终不败。它也提高了这三项实验必须达到的标准。

持久的优势需要透明的电路定义、可获取的测量数据、强有力的经典基准和独立复现。研究人员还应报告总资源消耗，而不只是量子处理器时间。

读者应避免两种相反的错误。第一种是将这些实验视为实用容错量子计算已经到来的证明。

第二种则是因为经典算法可能改进，就否定每一种暂时性的优势。科学进步往往来自于揭示一条边界，观察竞争者对其发起挑战，并衡量这条边界如何移动。

IBM 及其合作伙伴已经提出了三项具有异常明确验证策略的边界测试。它们能否成为持久的里程碑，取决于发表之后会发生什么。

IBM 量子优势的下一步

三项信号将决定 IBM 的主张是标志着持久的计算领先，还是量子计算基准周期中的又一次短暂出现。

第一个信号是经典方法对这三篇预印本的回应。独立团队将考察张量网络方法、对称性利用、采样改进或替代表述能否高效复现这些结果。

如果经典方法迅速实现匹配，将削弱广泛的优势主张。但这不会抹去硬件成就或验证技术的价值。

如果多个实力强劲的团队都未能弥合差距，论据将更具说服力。这些尝试的质量，比有利报道的数量更重要。

IBM 的量子追踪器为这一过程提供了平台。它的价值取决于详细提交、可复现的比较，以及在挑战者成功时可见的修订。

第二个信号是跨硬件的独立复现。根据 7 月简报的报道，第一项实验已纳入 IBM 和 Quantinuum 系统。

原始合作团队之外的研究人员应使用自己的校准和分析方法复现核心量。成功复现将降低人们对供应商特定假设的担忧。

跨平台的一致性也会使误差缓解方法更具实用性。只在一种处理器配置上有效的技术，其科学和商业覆盖面更有限。

复现失败也不会立刻揭示原因。差异可能源于噪声、电路编译、采样预算或硬件连接性。

这正是团队需要发布中间数据的原因。仅有最终校正后的数值，无法显示两种实现在哪一步出现分歧。

第三个信号是从物理学基准转向具有应用形态的工作负载。化学和材料科学很可能成为候选领域，因为它们的量子结构能够自然映射到量子处理器上。

IBM 和 RIKEN 已经将 Heron 处理器与 Fugaku 超级计算机结合，用于计算铁硫分子的电子性质。该化学工作流将量子和经典资源协同使用，而不是宣称一个系统取代另一个系统。

未来工作必须证明，量子贡献能够改善一项科学决策。例如区分候选分子态、估计某种材料性质，或以超越现有经典精度的方式解析反应路径。

同样的要求也适用于优化。一个基准应纳入预处理、处理器访问、重复尝试、后处理，以及与现代 CPU 和 GPU 求解器的比较。

2026 年的优化基准提供了一个有用的范例，因为它报告了完整工作流的耗时，并承认仍然更快的经典方法。

对企业团队而言，现在应建立评估规范，而不是围绕一条新闻标题制定采购计划。跟踪确切问题、验证方法、经典基准和总资源预算。

报道这一领域的知识工作者面临相关挑战。量子主张横跨论文、基准更新、硬件指标和经典反驳，而后者可能在数周内颠覆原有叙事。

结构化的知识库可以帮助团队将每一项主张与后续挑战关联起来。这比归档没有修订记录的孤立公告更有用。

因此，IBM 量子优势的故事应被视为一份持续更新的研究记录。随着独立团队测试这些方法并发布更好的比较，它的意义将会改变。

眼下的结果并非普遍的量子胜利。它提供了一种更有力的论证方式，表明一个有噪声的量子系统给出了一个困难而可信的答案。

这种差异至关重要。新的经典算法洞见可能会抹平原始计算能力上的差距，而透明的验证框架即使领先者易主，依然具有价值。

IBM 已将竞争焦点从“我们的处理器运行了一个规模庞大的电路”转向“研究人员为何应当信任这一输出”。这一转变让量子计算更接近科学实用性。

这也让下一阶段少了些光环，却更具决定性。独立团队必须复现实验测量结果、挑战经典基线，并揭示完整的资源成本。

如果这三项结果经受住这一过程，IBM 就能有力地证明其在特定任务上实现了经验证的量子优势。如果未能经受住检验，由此带来的经典计算进展也将界定一个更清晰的目标。

无论哪种结果，都会推动这一领域向前发展。现在的问题并不是 IBM 是否已经给出了最终结论，而是其证据能否经受住它所邀请的挑战者的检验。